EL MUESTREO

En un universo de trabajo en donde se desea aplicar un anlisis estadstico, cuando el muestreo cubre a
todos los elementos de la poblacin., se realiza un censo. En muchos de los casos, la realizacin de un censo
no es posible por ser muy costoso, muy extenso o que la muestra se destruya como resultado del anlisis. En
tales oportunidades se debe practicar un anlisis muestral. La muestra es una parte seleccionada de la
poblacin que deber ser representativa, es decir, reflejar adecuadamente las caractersticas que deseamos
analizar en el conjunto en estudio.
Se pueden realizar diferentes tipos de muestreo, que quedan clasificados en dos grandes grupos:
probabilsticos y no probabilsticos. En el muestreo probabilstico, todos los individuos o elementos de la
poblacin tienen la misma probabilidad de ser incluidos en la muestra extrada, asegurndonos la
representatividad de la misma. En el muestreo no probabilstico, por su parte, los elementos de la muestra se
seleccionan siguiendo criterios determinados siempre procurando la representatividad de la muestra.
MUESTREO PROBABILISTICO
El muestreo probabilstico puede ser muestreo aleatorio simple, cuando todos los elementos de la poblacin
tienen la misma probabilidad de ser seleccionados en la muestra y esta probabilidad es conocida. Este tipo
de muestreo es ms recomendable, pero resulta mucho ms difcil de llevarse a cabo y, por lo tanto, es ms
costoso. Para seleccionar una muestra de este tipo se requiere tener en forma de lista todos los elementos
que integran la poblacin investigada y utilizar tablas de nmeros aleatorios.




Otro tipo de muestreo probabilstico es el muestreo aleatorio sistemtico, el cual es susceptible de ser ms
preciso que el muestreo aleatorio simple. Se elige un primer elemento del universo y luego se van
escogiendo otros elementos igualmente espaciados a partir del primero. Consiste en dividir la poblacin en n
estratos, compuestos por las primeras K unidades, las segundas k unidades y as sucesivamente.




Un tercer tipo de muestreo probabilstico es el Muestreo por zonas tambin llamado muestreo polietpico o
muestreo por reas. Es ideal cuando se desea que las entrevistas se apliquen en reas representativas del
fenmeno a estudiar, en un rea determinada. Esta zona puede ser una ciudad, un barrio o la zona sur de la
ciudad. Se procede por etapas:
Ejemplo No. 1: A un grupo de 100 personas se les numera de uno a cien y se depositan en una urna 100 bolitas
a su vez numeradas de uno a cien. Para obtener una muestra aleatoria simple de 20 elementos, tendramos
que sacar 20 bolitas numeradas de la urna que nos seleccionarn en forma completamente al azar a los 20
elementos escogidos para que opinen sobre un nuevo producto.

Ejemplo No. 2: a partir de una lista de 100 establecimientos de comestibles, deseamos seleccionar una
muestra probabilstica de 20 tiendas. La forma de hacerlo sera: o dividir 100 entre 20 para obtener 5,
que es un salto sistemtico o extraer un nmero al azar entre 1 y 5. Supngase que es el nmero 2 el
cual corresponde al primer elemento seleccionado. o Se incluyen en la muestra de establecimientos
numerados: 2, 7, 12, 17, 22,..,97.
Primera etapa: seleccin de manzanas en un mapa. Se necesita un plano de la ciudad que se investigar.
Segunda etapa: seleccin de hogares en esas manzanas. Posteriormente se deben eliminar del plano las
manzanas no destinadas a casa habitacin: como parques, iglesias, tiendas e industrias.
Tercera etapa: seleccin de personas en el hogar. Se numera cada manzana de las que restan en el plano
con un criterio uniforme para no alterar la aleatoriedad. Al mismo tiempo se determinar el nmero de
manzanas que estarn en la muestra.
Una vez realizados estos pasos se encuentra un nmero promedio de viviendas por manzana




















De este procedimiento se genera el concepto de afijacin, definido como la distribucin de los diferentes
estratos en la muestra. Puede haber afijacin simple donde a cada estrato le corresponde igual nmero de
elementos. Por otra parte, la afijacin proporcional es cuando la integracin de la muestra se hace en base al
peso o tamao de la poblacin en cada estrato. Tambin se menciona la afijacin ptima, de poca aplicacin,
cuando se toma en cuenta la proporcin de cada estrato y se conoce dispersin previsible de los resultados a
travs de la desviacin tpica.
Un cuarto tipo de muestreo probabilstico es el muestreo aleatorio estratificado, que se aplica cuando la
poblacin no es homognea con relacin a la caracterstica que se desea estudiar: clases sociales, regiones,
sexo, grupos de edad. En este caso la poblacin queda dividida en estratos o grupos y el muestreo debe
hacerse de tal forma que todos esos grupos queden representados.
Para determinar el tamao de la muestra en cada estrato, sobre todo si la estratificacin es por niveles de
ingreso y por regiones, se puede utilizar dos mtodos:
Clculo proporcional al tamao del estrato
En este caso existe una relacin proporcional entre el tamao del estrato y el nmero de elementos que
aporta a la muestra. Cuanto mayor sea el estrato, mayor ser el tamao de la muestra seleccionada.
Clculo desproporcional al tamao del estrato
Este tipo de clculo se utiliza para no tener muestras excesivamente grandes en los estratos de mayor
tamao y muestras demasiado pequeas que no permitan un anlisis mayor en los estratos de menor
tamao. Muchas veces, los productos a investigar tienen su mayor demanda en los estratos ms pequeos.
Suponga que se planea hacer un total de 500 encuestas en la ciudad donde usted vive. Considerando los
porcentajes de hogares en cada estrato socioeconmico en un muestreo probabilstico con clculo
proporcional obtendramos:




Sin embargo, este nmero de entrevistas por estrato no permitira mayor anlisis y desvirtuara los objetivos
de la investigacin en los estratos altos. Aqu se deber calcular el tamao de cada muestra mediante el
mtodo desproporcional, utilizando el siguiente procedimiento:
Se numeran los hogares de la lista en forma independiente para cada estrato.
Se determina la caracterstica importante para cada estrato y se hace una estimacin de su distribucin en la
muestra total.






Se aplica el mtodo de muestreo por zonas, considerando los valores de 108, 203 y 189 como tamaos
totales de muestras para cada zona.
Esto implica que si se hubiera aplicado el muestreo directamente proporcional al tamao del estrato, al
intentar investigar la probabilidad de pago de un aprecio
Premium, la investigacin se habra visto muy limitada, precisamente por el tamao del estrato. Al balancear
el tamao del mismo con la probabilidad de posesin del producto, se podr explorar mejor el fenmeno.
Otro muestreo probabilstico es el muestreo aleatorio por conglomerados en donde la poblacin est
integrada en grupos especficos. El muestreo se hace seleccionando en forma aleatoria algunos
conglomerados dentro del conjunto total y procediendo a analizar a la poblacin a partir de aquellos
elementos seleccionados.
Tambin se conoce el muestreo probabilstica llamado muestreo por rutas aleatorias, en donde establecida
el rea de muestreo se asigna una ruta desde un punto de partida determinado y los elementos de la
muestra se van seleccionado a medida que se avanza en el trabajo de campo, buscando asegurar una
cobertura geogrfica de la muestra.
Se incluye en el Cuadro No. 1 un anlisis comparativo entre los distintos tipos de Muestro Probabilstico,
describiendo sus ventajas, caractersticas e inconvenientes al momento de ser aplicados.
MUESTREO NO PROBABILSTICO
El segundo gran conjunto es el muestreo no probabilstico, donde se seleccionan los elementos de la muestra
de acuerdo a determinados criterios previamente establecidos. Este tipo de muestreo se utiliza cuando el
probabilstico resulta muy costoso, teniendo presente que no sirve para hacer generalizaciones puesto que
no existe certeza de que la muestra extrada tenga representatividad, puesto que no todos los elementos de
la poblacin tiene la misma probabilidad de ser seleccionados.
El primer tipo de muestreo no probabilsticos es el muestreo por cuotas que presupone un buen
conocimiento de los estratos de la poblacin y se selecciona a los elementos o individuos ms
representativos.




Otro muestreo no probabilstico es el muestreo de opinin o intencional en donde deliberadamente se
obtienen muestras de grupos focales.
Tambin es no probabilstico el muestreo casual o incidental cuando se selecciona directa a
intencionadamente a los elementos de la muestra.


As mismo, otro muestreo no probabilstico es el muestreo bola de nieve en donde algunos elementos
seleccionados de la muestra conducen a otros y estos a otros hasta conseguir una muestra adecuada en
tamao
.

Finalmente, otro tipo de muestreo no probabilstico es el muestreo discrecional en donde los elementos de
la muestra son seleccionados con el encuestador de acuerdo a criterios que l considera de aporte para el
estu
dio.


IMPORTANCIA DEL MUESTREO EN LA INFERENCIA ESTADISTICA

El objetivo del muestreo es estimar parmetros de la poblacin, tales como la media o el total, con base en la
informacin contenida en una muestra. Conocer la teora de muestreo hace que ste sea ms eficiente.
Permite desarrollar mtodos de seleccin de muestras y de estimacin, que proporcionen, al menor costo
posible, estimaciones con la suficiente exactitud para los propsitos establecidos. Para ello se debe predecir
la precisin y el costo esperado.

Ejemplo No. 8: Un profesor universitario frecuentemente utilizar a sus estudiantes para integrar
muestras.

Respecto a la precisin, no se puede predecir el grado de error de una estimacin en una situacin
especfica, pues implicara conocer el verdadero valor de la poblacin, por ello lo que se hace es examinar la
distribucin de frecuencia generada para las estimaciones y se supone que la poblacin tiene una
distribucin igual. A veces se hace la simplificacin de que las estimaciones muestrales tienen una
distribucin aproximadamente normal.
En resumen, con la Inferencia se puede disponer de ms informacin, es confiable y representativa de la
muestra y tambin se puede reducir el grado de error. Adems permite considerar el efecto aleatorio.
Teorema Central del Lmite: toda muestra al aumentar, tiende a la normalidad y es susceptible de ser
analizada bajo una distribucin de probabilidad normal.
CLCULO DEL TAMAO DE LA MUESTRA
Para determinar el tamao de una muestra se debern tomar en cuenta varios aspectos, relacionados con el
parmetro y estimador, el sesgo, el error muestral, el nivel de confianza y la varianza poblacional.
El parmetro se refiere a la caracterstica de la poblacin que es objeto de estudio y el estimador es la
funcin de la muestra que se usa para medirlo.

El error muestral siempre se comete ya que existe una prdida de la representatividad al momento se
escoger loe elementos de la muestra. Sin embargo, la naturaleza de la investigacin nos indicar hasta que
grado se puede aceptar.
El nivel de confianza, por su parte, es la probabilidad de que la estimacin efectuada se ajuste a la realidad;
es decir, que caiga dentro de un intervalo determinado basado en el estimador y que capte el valor
verdadero del parmetro a medir.
Tamao de Muestra para Proporciones
Cuando deseamos estimar una proporcin, debemos conocer varios aspectos:
a) El nivel de confianza o seguridad (1 - ). El nivel de confianza prefijado da lugar a un coeficiente (Z

).

b) La precisin que deseamos para el estudio.

c) Una idea del valor aproximado del parmetro que queremos medir (en este caso una proporcin). Esta
idea se puede obtener revisando la literatura, por estudio pilotos previos. En caso de no tener dicha
informacin utilizaremos el valor p = 0.5 (50%). El problema que puede enfrentarse en un estudio de
investigacin es la cantidad de informacin con la que se cuente; especficamente se pueden tener dos casos:
desconocer la poblacin del fenmeno estudiado, o bien, conocerla.

Clculo del Tamao de la Muestra desconociendo el Tamao de la Poblacin.
La frmula para calcular el tamao de muestra cuando se desconoce el tamao de la poblacin es la
siguiente:


en donde,
Z = nivel de confianza,
P = probabilidad de xito, o proporcin esperada
Q = probabilidad de fracaso
D = precisin (error mximo admisible en trminos de proporcin)













Clculo del Tamao de la Muestra conociendo el Tamao de la Poblacin.
La frmula para calcular el tamao de muestra cuando se desconoce el tamao de la poblacin es la
siguiente:

en donde,
N = tamao de la poblacin
Z = nivel de confianza,
P = probabilidad de xito, o proporcin esperada
Q = probabilidad de fracaso
D = precisin (Error mximo admisible en trminos de proporcin)









Conclusiones sobre el nivel de seguridad en el muestreo
Segn diferentes seguridades, el coeficiente de Z

vara as:
Si la seguridad Z

fuese del 90% el coeficiente sera 1.645

Si la seguridad Z

fuese del 95% el coeficiente sera 1.96

Si la seguridad Z

fuese del 97.5% el coeficiente sera 2.24

Si la seguridad Z

fuese del 99% el coeficiente sera 2.576

Si los recursos del investigador son limitados, debe recordar que a medida que se disminuya el nivel de
seguridad, se permitir un mayor error en el estudio de investigacin, lo cual a su vez permitir al
investigador trabajar con un nmero de muestra ms reducido, sacrificando la confiabilidad de los
resultados.

5. TAMAO DE LA MUESTRA E INFERENCIA.
La muestra debe reproducir las caractersticas del universo o poblacin. Hay dos cuestiones bsicas: la
primera, sobre la cantidad de elementos que debe incluir la muestra y, la segunda, hasta qu punto puede
generalizarse a la poblacin el resultado obtenido en ella. Ambas cuestiones conducen al problema de la
exactitud o precisin de la estimacin del parmetro desconocido. El objetivo es no incurrir en errores a la
hora de obtener los resultados. Pero como los errores son inevitables, lo importante entonces es
minimizarlos.
Una vez especificadas las caractersticas que ha de tener la muestra, hay que determinar su tamao (n), de
forma que sea suficientemente representativa de la poblacin y que asegure, para un nivel de confianza (1-)
dado, un error muestral () mximo permitido. La poblacin puede ser infinita (a veces, suele considerarse
infinita cuando tiene ms de 100.000 elementos) o de tamao finito N, que es lo ms general. Vamos a ver,
como introduccin general al caso ms real de poblaciones finitas, la forma en que se puede tratar este tema
cuando la poblacin se supone infinita.
Caso de la media:
El error muestral se define como la diferencia entre el verdadero valor del parmetro y el arrojado por su
estimador para la muestra en cuestin:

Recordemos que un intervalo de confianza del 100(1-) % para la media, en caso de normalidad, vendra
dado por:



Se desprende de la anterior expresin que siempre son el nivel de confianza y el error estndar o desviacin
tpica del estimador del parmetro desconocido los que determinan la amplitud del error que cometemos al
estimar dicho parmetro con una muestra de tamao n. El error mximo para una muestra de tamao n,
cuando se estima la media en una poblacin normal con una confianza del 100(1-) %, sera, por tanto:


En esta expresin, es la desviacin tpica poblacional, x la media de la muestra y la media poblacional.
Obsrvese una cuestin que va a ser muy importante desde un punto de vista conceptual: dado un nivel de
confianza (z, en definitiva), otorgar un determinado valor al error mximo que se puede cometer, equivale
exactamente a fijar la varianza del estimador. Despejando, resulta que el tamao de la muestra viene dado
por la siguiente expresin:

Recordemos que z1-/2 es un valor (percentil) de la distribucin normal tipificada que acumula a su
izquierda una probabilidad de (1-/2), o lo que es igual, /2 a su derecha. Este valor es de 1,96 para un nivel
de confianza del 95 %. Es bastante frecuente redondear los valores del percentil de Z a z =2 y a z =3, siendo
entonces del 95,5% y 99,5%, respectivamente, los correspondientes niveles de confianza. Para el primer
caso, por ejemplo, el tamao de la muestra vendra dado por la expresin:



En la mayora de los casos se desconoce el valor de , por lo que es necesario establecer un proceso de
muestreo previo con informacin ms reducida (muestra piloto) y a partir de ah estimar la varianza , o bien
utilizar los resultados obtenidos en otro estudio
Ejemplo:
Para llevar a cabo el anlisis de un destino turstico con alta afluencia de turistas (200.000, en concreto) se
desea realizar una encuesta para determinar el gasto medio por turista. Se ha decidido aceptar un error
mximo en el gasto medio de 30 euros. Suponiendo una desviacin estndar de la poblacin de 200 euros y
un nivel de confianza del 95%, obtenga el tamao adecuado de la muestra.
Solucin:
Al ser una poblacin mayor de 100.000 elementos, vamos a tratar el tema, por ahora, como si se tratase de
una poblacin infinita, tal y como se ha dicho anteriormente. As, la frmula para obtener el tamao de la
muestra es:


Caso de la proporcin:
Cuando se estima una proporcin, caso frecuente de respuestas dicotmicas, la varianza del estimador de la
proporcin es, como se recordar:

Ejemplo
Para completar el anlisis del anterior destino turstico, se desea realizar utilizar la encuesta para determinar
la proporcin de visitantes de origen europeo. Se ha decidido aceptar un error mximo del 5%, y un nivel de
confianza del 95,5%. Obtener el tamao de la muestra.
Solucin:
Con esta informacin, puesto que no sabemos nada acerca del valor poblacional de p, el tamao de la
muestra sera:

La respuesta a por qu en estudios de mercado y encuestas de opinin se utiliza a menudo un tamao
muestral de 400, 1110 2500 est en esta frmula: se asume un desconocimiento total de la proporcin en
la poblacin, por lo que se considera p=0.5, se usa un nivel de confianza del 95.5% y la imprecisin mxima
admisible (error) se suele fijar en el 5, 3 2%, respectivamente.


Simplificando N en los dos ltimos miembros de esta igualdad, se comprueba fcilmente que el tamao de la
muestra debera de ser exactamente igual que para el caso de la media.

Ejemplo:
Para completar el anlisis del destino en estudio se desea conocer tambin el gasto total que los turistas
realizarn en la zona. Se ha decidido aceptar un error mximo en el gasto total de 6 millones de euros.
Suponiendo un nivel de confianza del 95%, obtener el tamao adecuado de la muestra.
Solucin:



Obsrvese que, como era de esperar, se obtiene exactamente el mismo nmero de observaciones que para
el caso de la media, ya que el error del total se ha elegido a propsito multiplicando por N el de la media. De
esta forma se ha mantenido el especificado anteriormente para la media:


Una vez fijado el tamao de la muestra, y obtenida sta mediante el procedimiento adecuado, la mejor
estimacin por puntos del gasto medio ser la media de la muestra. La de la proporcin, la observada en la
muestra y la del total, la media de la muestra multiplicada por N.
Los correspondientes intervalos de confianza, que nos dan una idea de la horquilla en que se mueve el
verdadero valor del parmetro, se construirn para cada uno de los casos, segn lo visto anteriormente,
como sigue:




Es decir, una vez seleccionados los elementos de la muestra, se obtendrn, respectivamente, las
correspondientes estimaciones por puntos de la media, proporcin y total. Con estos datos como centro del
intervalo, para un nivel de confianza dado y conocida la varianza del estimador, quedaran determinados los
correspondientes intervalos para los parmetros desconocidos.
6. Muestreo en poblaciones finitas.
Si el tamao de la poblacin o universo es conocido, la eleccin del tamao de la muestra, aunque siguiendo
los argumentos expuestos en el epgrafe anterior, tiene ciertas especificidades, que veremos a continuacin.
Las diferencias se basan fundamentalmente en el hecho (relativamente probable para el caso de una
poblacin finita, pero imposible para una de tamao infinito) de que nos podemos encontrar con situaciones
en las que el nmero de elementos de la muestra puede llegar a ser una proporcin apreciable de los de la
poblacin. En tal situacin, puede entenderse fcilmente que la precisin de la estimacin sera superior, al
estar mejor representada el conjunto de la poblacin.

Si nos fijamos en el numerador del factor de correccin, comprenderemos que no se puede valorar de forma
absoluta al tamao de una muestra, sino que hay que confrontarlo con el de la poblacin de la que se extrae
. Si observamos dos poblaciones, siendo la muestra de la primera ms pequea que la de la segunda, puede
llegar a dar ms precisin (menor varianza) si el tamao de la poblacin de la que procede es
proporcionalmente menor. Esto, dicho as, parece algo complicado cuando resulta obvio: en igualdad de
condiciones, una muestra de tamao 100 nos informa mucho mejor sobre las caractersticas de una
poblacin de tamao 200, dnde representa la mitad de sus elementos, que otra de tamao 200 en una
poblacin de 20.000, que representa slo el 1% de sus elementos. Por tanto, independientemente del
nmero de elementos que contenga, cuanto mayor sea el tamao de la muestra (n) en relacin al de la
poblacin (N), mayor garanta tendremos en las estimaciones, como se observa en la frmula anterior. En el
caso extremo de que N=n la varianza del estimador se hace nula. Estaramos, evidentemente, en presencia
de una observacin exhaustiva de la poblacin, propia de la estadstica descriptiva, y no en un caso de
inferencia estadstica. Por el contrario, cuando el tamao de la muestra sea mnimo, de una sola observacin
(n=1), la varianza (precisin) del estimador coincidira con el caso de una poblacin de tamao infinito.

Teniendo en cuenta esta particularidad, se presenta a continuacin la forma en que se debe de obtener el
tamao de la muestra para el caso de poblaciones finitas y para los cada uno de los dos tipos de muestreos
aleatorios ms utilizados, el aleatorio simple y el estratificado.
6.1. Muestreo aleatorio simple.
Caso de la media:
Como se dijo anteriormente, dado un determinado nivel de significacin, fijar el tamao del error equivale a
predeterminar la propia varianza del estimador. Es decir, varianza del estimador y error mximo permitido
son dos caras de una misma moneda, siendo el tamao de la muestra el resultado del supuesto que hagamos
acerca de cualquiera de ambos. Por tanto, dicho tamao se puede obtener a partir de la definicin del error
o de la frmula de la varianza del estimador. Obsrvese que, fijado el valor de z por el nivel de confianza, el
error es igual a la desviacin estndar del estimador multiplicado por una constante (para el caso del 95% el
valor sera 1,96 ):

Si en la frmula obtenida para n sustituimos el error por la expresin del mismo que ya conocemos, entonces
obtendremos esta otra expresin para el tamao de la muestra cuando se desea estimar una media en
poblaciones finitas:


Esta expresin es exactamente la que se hubiera obtenido si se toma directamente la frmula de la varianza
del estimador de la media en poblaciones finitas para despejar de ella el valor de n, cuestin que dejamos
como ejercicio para el alumno. En resumen, conocidos el tamao y la varianza de la poblacin, por estudios
anteriores o por una encuesta piloto desarrollada para el caso, se observa claramente en la expresin
anterior que fijar el error o la varianza del estimador son procesos equivalentes, pudindose utilizar
cualquiera de las dos expresiones de n que se acaban de mostrar.

Ejemplo (mismo caso de poblaciones infinitas):
Para llevar a cabo el anlisis de un destino turstico con alta afluencia de turistas (200.000) se desea realizar
una encuesta para determinar el gasto medio por turista. Se ha decidido aceptar un error mximo en el gasto
medio de 30 euros. Suponiendo una desviacin estndar de la poblacin de 200 euros y un nivel de confianza
del 95%, obtener el tamao adecuado de la muestra.
Solucin frmula 1:




De esta forma, con los datos de la muestra se puede obtener un intervalo de confianza para el verdadero
valor del parmetro desconocido, con el error y el nivel de confianza predeterminados a la hora de obtener
el tamao adecuado de la muestra.
Ejercicio:
Supongamos que la media y la desviacin estndar obtenidas en la muestra de los 171 turistas del ejercicio
anterior son, respectivamente, de 450 y 320 euros. Determinar el intervalo de confianza del
95% para el verdadero valor del gasto medio por turista.
Solucin:
Comenzaremos por obtener el estimador de la varianza:

Despejando n, se llega a obtener la siguiente expresin de clculo para el tamao de la muestra, cuando se
hace inferencia acerca de una proporcin:
Generalmente, no se conoce el valor de p, por lo que habr que estimarlo mediante una encuesta piloto o
tomando informacin procedente de investigaciones anteriores. La alternativa ms inmediata es optar por
tomar el tamao muestral mximo, considerando pq=0,25.
Ejemplo (mismo caso de poblaciones infinitas):
Para completar el anlisis del anterior destino turstico, se desea realizar utilizar la encuesta para determinar
la proporcin de turistas de origen europeo. Se ha decidido aceptar un error mximo del 5%, y un nivel de
confianza del 95%. Obtener el tamao de la muestra.

Ejemplo:
En un hotel saben que el nivel de satisfaccin de sus clientes ronda el 90% y quieren realizar un estudio para
ver si la nueva gestin de limpiezas ha sido de su agrado. Cul sera el tamao necesario para la muestra, si
el total de clientes del hotel es de 10.000? Suponga un nivel de confianza para los resultados del estudio del
95% y un error mximo permitido del 5%.


Intervalo para la proporcin:
El intervalo de confianza para la proporcin se puede obtener de forma similar, sin ms que aplicar la
correspondiente expresin para el mismo:

Caso del total:
El tamao de la muestra a la hora de hacer inferencia sobre el total o suma de todos los valores de una
poblacin, como ya se coment, es exactamente el mismo que para la media, ya que la varianza para
poblaciones finitas sera la siguiente, que en nada cambia los clculos para obtener n:


Slo ha de tenerse en cuenta esta expresin y que el error del total sera N veces el error de la media, como
ya vimos en su momento. El intervalo de confianza es el de la media multiplicado por N, evidentemente. Las
frmulas de clculo, por tanto, seran:





Ejercicio (mismo de poblaciones infinitas):
En el estudio sobre el gasto total en la zona por los turistas se acept un error mximo en el gasto total
de 6 millones de euros. Suponiendo que la desviacin estndar poblacional es de 200 euros y un nivel
de confianza del 95%, obtenga el tamao muestral adecuado. Si de la muestra obtenida se obtuviese un
gasto medio de 450 euros con una desviacin estndar de 320 euros, diga cul es el intervalo para el
gasto total.
Solucin:
Evidentemente, el resultado para n va a ser el mismo que para el caso de la media. Lo nico que hemos de
hacer es pasar del error del total al error de la media:



El intervalo de confianza no vale la pena volver a calcularlo, pues ya sabemos que es el mismo de la
media, pero multiplicado por N: (80.576.000 99.924.000 N )
Es decir, el gasto total estara entre algo ms de 80 millones y algo menos de 100 millones de euros, con una
confianza del 95%.